Original title: Forenzní analýza ručně psaného písma pro české prostředí s použitím umělé inteligence
Translated title: Forensic analysis of handwriting for the Czech environment using artificial intelligence
Authors: Stejskal, Jan ; Přinosil, Jiří (referee) ; Burget, Radim (advisor)
Document type: Master’s theses
Year: 2023
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [cze] [eng]
Analýza ručně psaného písma je důležitou oblastí výzkumu moderní vědy. Jedná se však o velice složitý proces, jelikož ručně psaný text může nabývat různých podob. Využití umělé inteligence k analýze a identifikaci textu pocházejícího od různých autorů není ve světě nic nového. Avšak výzkum v této oblasti pro české prostředí mírně zaostává. Z tohoto důvodu bylo v rámci této práce navrženo a porovnáno několik architektur konvolučních sítí, ve snaze nalézt nejvhodnější strukturu pro řešení tohoto problému. Ze všech natrénovaných a otestovaných modelů dosáhl nejvyšší přesnosti model založený na struktuře ResNet18, který měl úspěšnost 92,2 % na vlastní databázi tvořené 1328 ukázkami s rozlišením 750x256. Tento výsledek naznačuje, že s dostatečně velkou a kvalitní databází je daný problém řešitelný i v českém prostředí s jeho komplikovanější znakovou sadou. The analysis of handwriting is an important area of research in modern science. However, it is a very complex process because handwritten text can take on various forms. The use of artificial intelligence for analyzing and identifying text from different authors is nothing new in the world. Research in this area is, however, slightly lagging behind in the Czech environment. For this reason, several convolutional network architectures were proposed and compared in this work in an effort to find the most suitable structure for solving this problem. Of all the trained and tested models, the model based on the ResNet18 architecture achieved the highest accuracy, with a success rate of 92.2 % on a self-made database of 1328 samples with a resolution of 750x256. This result suggests that with a sufficiently large and high-quality database, the problem can be solved even in the Czech environment with its more complicated character set.
Keywords: Attention maps; Author identification; Convolutional neural network; GoogLeNet; Handwritten text; Neural network; Python; ResNet; Siamese convolutional network; Tensorflow; VGG; Attention mapy; GoogLeNet; Identifikace autora; Konvoluční neuronová síť; Neuronová síť; Python; ResNet; Ručně psaný text; Siamská konvoluční síť; Tensorflow; VGG

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/210072

Permalink: http://www.nusl.cz/ntk/nusl-526575


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses